训练集(train set) 验证集(validation set) 测试集(test set)



一， 训练样本和测试样本

训练样本的目的是 数学模型的参数，经过训练之后，可以认为你的模型系统确立了下来。

一般训练样本和测试样本相互独立，使用不同的数据。

 在有监督(supervise)的机器学习中，数据集常被分成2~3个，即：训练集(train set) 验证集(validation set) 测试集(test set)。

http://blog.sina.com.cn/s/blog_4d2f6cf201000cjx.html

显然，

training set  是用来训练模型或确定模型参数的，如ANN中权值等；

validation set   是用来做模型选择（model selection），即做模型的最终优化及确定的，如ANN的结构；

test set 则纯粹是为了测试已经训练好的模型的推广能力。当然，test set这并不能保证模型的正确性，他只是说相似的数据用此模型会得出相似的结果。

但实际应用中，一般只将数据集分成两类，即training set 和test set，大多数文章并不涉及validation set。